文章列表-AI魔法学院

文章列表

基于大模型（LLM）的Agent 应用开发

● 主动性（Pro-activeness）：不但能对环境作出反应，能够积极主动地做出使其目标得以实现的行为。

大模型 Agent

LLM每周速递！大模型最前沿：多模态RAG、RAG加速、大模型Agent、模型微调/对齐

受限于计算资源，传统的全参数微调方法可能会显得力不从心，因此需要探索更高效的微调策略，此时参数高效微调（PEFT）技术应运而生。

大模型研究

StableDiffusion

深度解析丨StableDiffusion在多个设计场景中的探索与应用

Lora模型：梦幻3D场景 3、controlnet插件模型以及黑白文字图片模型下载推荐使用civitai（国外）以及哩布哩布AI（国内），前者需要特殊网络，下载也比较慢，但是模型丰富，数量极其的多

文生图

AI撬开小县城的万元商机

譬如，在教育领域，部分县市通过在线教育平台，学生们可以享受到优质的教育资源，不再受地域限制。

AI 商机

从Langchain到ReAct，在大模型时代下全新的应用开发核心

这是因为LLM在训练的时候接触到的知识有限。

大模型

ChatPDF | LLM文档对话 | pdf解析关键问题

我们可以得到所有区块的中心点的横坐标，用这一组横坐标的极差来判断即可，双栏论文的极差远远大于单栏论文，因此可以设定一个极差阈值。

大模型

斯坦福宣布前端开发要失业了？！一张截图生成代码，64%优于原网页！

然而，尽管这些年来有许多后续尝试，但它们都局限于简单或合成的例子，对于真实世界的前端开发应用几乎没有用处。

设计转代码大模型

九问中国大模型掌门人，万字长文详解大模型进度趋势

但由于梯度下降带来很大的不稳定性，且极难实现自动化。

大模型详解

图解 Transformer——功能概览

Transformer 的以上特点不仅提高了模型处理语言的能力，还极大增强了其学习复杂语言模式的能力。

Transformer 大模型图解

再超Transformer！Google| 提出两个新模型(Griffin、Hawk)，强于Mamba，更省资源

由于对角 RNN 层受内存限制，研究者使用了 RG-LRU 层的内核来实现这一点。

transformer 训练

真超越了GPT？国产大模型实用场景横评②

对于不联网的模型，我们让它们介绍iPhone X，这款手机的基础知识在大多数模型训练的期限之内。

大模型

10个具有代表性的AI-Agents，将如何改变互联网/重塑Web3

尽管有很多人诟病Auto-GPT存在巨大的token消耗且没有稳定的结果，但是Auto-GTP作为一种基于LLM的自动化案例，极大地挑起开发者的好奇心，类似的

开源模型

数字人直播哪家强？百度、硅基、风平与闪剪四大AI数字人横向评测！

关于做直播真的需要如此高的CPU配置，我的观点是，在比较极端的直播场景中，比如用4K摄像头采集画面，直播中插入了大尺寸的视频素材、全程开人物美颜、开抠背景，那么就真的需要13700K、13900K这样的高端配置才能确保流畅

数字人数字分身

打磨 8 个月、功能全面升级，Milvus 2.3.0 文字发布会现在开始！

在实际运维的过程中，我们也发现了不少外置消息队列的局限性，一是在多 topic 场景下的稳定性问题，二是大量重复消息时的去重以及空载时的资源消耗问题，三是二者都与Java 生态绑定较紧密 Go SDK

大语言模型

聊天机器人阅读 PDF？用这25个提示词技巧，亲测有效！(ChatGPT & Claude 2)

它指出了了解 GPT 架构、潜在应用和局限性的必要性。

GPT-4 工作

<...14 15 16 171819 20 21 22 23 ...>

汇聚AI资讯，网罗AI文档，详解AI工具！

关于我们用户协议隐私条款商务合作：skillupvip

© 2023-2025 AI魔法学院

京ICP备20027199号-1